bernstein

写规则管住 AI 智能体,每步可回放可审计

开源 free 智能体
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1224
维护状态 活跃
是否开源 是
定价模式 free

项目预览

项目数据

分类智能体
开发团队sipyourdrink-ltd
所属国家
定价模式free
价格说明开源免费,Apache-2.0 许可证
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型agent-fleet,agent-governance,agent-infrastructure,agent-orchestrator,ai-agents,ai-governance,ai-orchestration,air-gap,attestation,audit-log,audit-trail,compliance,deterministic-replay,git-worktree,llm-orchestration,orchestrator,parallel-agents,provenance,reproducibility,tamper-evident
GitHub 星标★ 1224
30天Star增速
HF 下载量
上线时间2026-03-22 00:00:00
代码更新—
仓库体积—
本站数据更新—
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-10-13
浏览次数0

项目介绍

Bernstein 是一个开源的 AI 智能体治理与编排框架,用声明式方式定义规则,由框架强制执行并生成可验证、可回放的执行记录。它解决的是多智能体系统在生产环境中缺乏可控性和可审计性的问题:当多个 AI Agent 协同工作时,谁在什么条件下能做什么、结果是否可信、出问题能否复现,往往难以追踪。Bernstein 把治理规则从代码里抽离成声明式配置,让策略与执行解耦,同时记录每一步决策与动作,形成可回放的时间线。核心能力包括:声明式规则引擎、Agent 编排调度、执行记录与回放、面向隔离环境(air-gap)的部署支持,以及面向 Agent 舰队的基础设施抽象。采用 Apache-2.0 许可,Python 实现,适合需要合规、审计或高可靠性的 Agent 应用场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度:入门 约 10 分钟 部署方式:命令行工具 7 步

环境要求

  • 一个可用的 Python 包管理器:uv 或 pipx(README 中 install in 30 seconds 给出的两种方式)
  • 一个已安装并完成认证的 CLI 编码 agent(bernstein doctor 会检查这一点)
  • 默认安装需要能访问 PyPI;隔离环境请改用官方 air-gap wheelhouse 指南
  • 运行命令的工作目录建议是一个 git 仓库(编码节点会在自己的 git worktree 中完成)

安装与启动步骤

  1. 1安装 bernstein

    README 提供两种等价安装方式,二选一即可,uv 与 pipx 安装的都是同一个 CLI。

    uv tool install bernstein
  2. 2初始化配置

    在项目目录下执行 init,生成 Bernstein 所需的初始配置和目录结构。

    bernstein init
  3. 3检查运行环境

    doctor 会检查本机是否已安装并认证了一个 CLI agent,不通过就先解决 agent 的安装与登录。

    bernstein doctor
  4. 4跑第一个任务

    用 -g 直接下发一个自然语言目标,调度器按声明式图执行,不依赖模型决定下一步。

    bernstein -g "fix the failing test in tests/test_foo.py"
  5. 5开启审计重跑一次

    只有显式开启审计的运行才会写入审计链;注意 -g 形式要用环境变量,--audit 只属于 bernstein run。

    BERNSTEIN_AUDIT=1 bernstein -g "fix the failing test in tests/test_foo.py"
  6. 6校验运行记录

    列出磁盘上记录的 run id,再重算日志头并定位第一个发生分歧的步骤,确认运行可信。

    bernstein replay list
    bernstein replay latest --verify
  7. 7离线验证收据

    用仓库自带的 demo 收据和公钥做一次离线校验,确认运行收据未被篡改。

    bernstein verify receipt docs/assets/demo-run/run-receipt.json 
        --public-key docs/assets/demo-run/run-receipt.pub.pem

关键配置

配置项必填说明示例
BERNSTEIN_AUDIT否置为 1 时启用审计,运行结束时写入 HMAC 链与 Merkle 封存1

如何确认成功

bernstein doctor 无报错通过,且 bernstein replay list 能列出刚产生的 run id,即表示安装与运行正常。

常见问题

Q:uv 和 pipx 应该选哪个?

A:README 把两者作为等价选项给出,任选其一即可;pipx、pip、brew、dnf、npm、Docker 等方式在官方 install 指南中另有说明。

Q:bernstein doctor 报错怎么办?

A:doctor 的作用是检查是否已安装并认证一个 CLI agent,报错说明本机的编码 agent 缺失或未登录,请先安装并完成认证。

Q:bernstein audit verify 提示没有链可查?

A:只有用 BERNSTEIN_AUDIT=1、合规预设或 bernstein run --audit 启动的运行才会写审计链,普通运行只有日志与 lineage 主干。

Q:只拿到收据文件能验证签名吗?

A:不带 --public-key 固定公钥时只做完整性校验,只能证明收据内部自洽,不能证明签署者身份,校验结论中会注明。

注意事项

  • bernstein -g 形式无法使用 --audit 参数,要审计必须设置 BERNSTEIN_AUDIT=1 环境变量。
  • lineage 主干始终开启,但短运行可能以合法的空主干结束。
  • 隔离/air-gap 环境请使用官方 air-gap wheelhouse 指南,不要照搬联网安装命令。
  • 仓库 .bernstein/scenarios/ 下已提供软件、研究、文档、企业等现成编排图可直接参考。

核心亮点

  • 声明式治理规则与执行解耦,策略变更无需改 Agent 代码
  • 生成可验证、可回放的执行记录,便于审计和故障复现
  • 支持 air-gap 隔离环境部署,适合合规敏感场景

不足之处

  • 项目处于成长早期,生态与文档完善度待观察
  • 声明式规则引擎的表达能力边界和性能表现缺少公开基准

适用场景

  • 多 Agent 协作系统的权限与行为治理
  • 金融、医疗等合规场景下的 AI 操作审计
  • 隔离网络环境中的 Agent 编排与回放调试

替代项目

LangGraph、CrewAI

上一篇:arsumbris

下一篇:alma

同类项目推荐

xinchao-dynamic-mind 开源

给 AI 装上疲惫和欲望,让交互更真实

独立、可自托管的 AI 动态心智状态引擎:驱动力、念头池、疲惫、睡眠与意图。

★ 213 2026-08-09
goutoujunshi 开源

先哄情绪再出招,恋爱难题给可执行方案

一个先接住情绪、再分析关系并给出可执行策略的 Codex 恋爱军师,内置心理、法律、社会、人···

★ 7731 2026-09-25
geo-sleuth 开源

给 AI 装上地理侦探技能,一张照片顺藤摸瓜找到拍摄地

An agent skill that finds where a photo was taken — OpenStreetMap geometry, elevati···

★ 2102 2026-09-25
deepseek-harness 开源

把 AI 能力拆成乐高积木,拼出你的专属智能体。

DeepSeek Harness: Everything is a Plugin.

★ 248163 2026-08-15